使用编译器（JIT）时，R的速度明显减慢

当我使用“编译器”来加速代码时，我得到了有趣的结果。我见过，但我觉得我的问题没有得到回答

我有一个函数，它由几个不同的函数和循环组成。本质上，它是一个使用glmnet的正则逻辑回归，但它运行了好几次。让我们把这个函数称为myFunction

对于我尝试的每种方法，我将记下几次运行的平均次数：

temp <- NULL
for (i in 1:10) temp <- c(temp,system.time(myFunction())["elapsed"])
mean(temp)

---

temp我有时也会遇到这种情况。从我在几个网站（这里有很多网站）上读到的内容来看，通过字节码编译，函数调用的第一个实例会更慢。因此，如果您只有很少的迭代，那么这样做可能不值得。如果你有很多，你可能会赶上。我也是这么想的。但从第一轮到最后一轮没有太大区别。以下是调用enableJIT（1）后另一个函数（称为myFunction2）的结果：16.736 17.111 17.507 17.890 17.484 15.202 15.285 16.002 15.775 15.940，因此最后一次运行仍然与第一次运行一样慢。如果不使用enableJIT，但“手动”编译函数，是否会发生同样的情况？即
库（编译器）；myfun该函数中也有很多函数，但是当我编译这个函数和其中的几个函数时，时间稍微减少了（10%）。我想尝试启用JIT，主要是因为我认为它可以编译所有这些函数，所以我可以获得10%以上的收益。如果您找到解决方案，请发布。另一方面，（尽管与您的问题无关），您显然希望加快这个过程，而且因为您明确提到for循环，所以您可能希望研究并行化代码的可能性。这通常比人们想象的要容易，对于计算密集型过程来说，这是值得做的。请参见并行
。
enableJIT(1)
temp <- NULL
for (i in 1:10) temp <- c(temp,system.time(myFunction())["elapsed"])
mean(temp)

enableJIT(0)
temp <- NULL
for (i in 1:10) temp <- c(temp,system.time(myFunction())["elapsed"])
mean(temp)